Está en la página 1de 2

Chi Cuadrado

Historia: ¿Quién lo creo?

Karl Pearson (Londres 27 de marzo de 1857- Londres, 27 de abril de 1936) fue un prominente
científico, matemático y pensador británico, que estableció la disciplina de la estadística
matemática. Desarrolló una intensa investigación sobre la aplicación de los métodos estadísticos
en la biología y fue el fundador de la bioestadística.

Karl Pearson tuvo educación privada en la University College School. Luego, fue al colegio
polivalente Rauli en Cambridge a estudiar matemática. Posteriormente, invirtió parte de 1879 y
1880 estudiando literatura alemana medieval y del siglo XVI en las universidades de Berlín y
Heidelberg. Se volvió suficientemente conocido en esta área y se le ofreció un puesto de estudios
germánicos en Cambridge.

El matematico Karl Pearson, advirtio y planteo que cuando un cientifico plantea un experimento
con resultados aleatorios tenia un modelo teorico que se suponia que le daria los resultados o
muy parecidos, pero en la vida real en muchos casos no se podia hacer el plantemaiento empirico
por que no se daban los resultados esperados una gran dificultad a la que se enfrentaron los
primeros científicos de la Modernidad fue cómo hallar una fórmula matemática para determinar
con exactitud que las fluctuaciones o variaciones observadas en los resultados de un experimento
eran suficientemente «significativas» como para permitir concluir que esos resultados ya no
respondían a las expectativas del modelo teórico. Introduciendo el metodo del chi cuadrado para
dar una medida del ajuste entre datos y distribuciones, para contrastar la homogeneidad entre
varias muestras, y la independencia entre variables.

El famoso artículo de Karl Pearson sobre la distribución Chi-cuadrada apareció en la primavera de


1900, lo que se puede considerar un inicio auspicioso a un magnífico siglo para el campo de la
estadística-B. Efron, The Statistical Century

Debe su nombre a la letra ji (X, x), vigésima segunda del alfabeto griego, con la que se representa
el resultado de la prueba.

Aplicaciones o Usos

La expresión x2 hace referencia a una prueba estadística que permite calcular la probabilidad de
obtener resultados que únicamente por efecto del azar se desvíen de las expectativas en la
magnitud observada si el modelo es correcto.

La distribución Chi Chi-Cuadrada (chi squared en inglés, se pronuncia “Kay skuerd”) es una de las
distribuciones más empleadas en todos los campos. Su uso más común es cuando se quiere probar
si unas mediciones que se hayan efectuado siguen una distribución esperada, por ejemplo, la
normal o cualquier otra.

Otro de sus usos es en intervalos de confianza y pruebas de hipótesis para las varianzas o
desviaciones estándar.

La distribución tiene muchas aplicaciones en inferencia estadística. La más conocida es la de la


denominada prueba utilizada como prueba de independencia y como prueba de bondad de ajuste
y en la estimación de varianzas. Pero también está involucrada en el problema de estimar la media
de una población normalmente distribuida y en el problema de estimar la pendiente de una recta
de regresión lineal, a través de su papel en la distribución t de Student.

Aparece también en todos los problemas de análisis de varianza por su relación con la distribución
F de Snedecor, que es la distribución del cociente de dos variables aleatorias independientes con
distribución.

La distribución chi cuadrada tiene las las siguientes propiedades:

•La media es igual al numero de grados de libertad libertad

•La varianza es igual a dos veces el numero de grados de libertad: σ2= 2 * ν •

• Conforme aumenta los grados de libertad la distribucion chi cuadrado se acerca a una
distribución normal.

Como busco en la tabla

Probabilidad Acumulativa y la Distribución Chi-cuadrada

La distribución chi cuadrado, como otras distribuciones (ej: t student y z-normal), se construye de
forma que el área total bajo la curva sea igual a 1. El área bajo la curva entre 0 y un valor x de la
estadística chi-cuadrada es la probabilidad asociada a este valor.

También podría gustarte